【技术实现步骤摘要】
本专利技术涉及一种基于残差的dcgan网络航空轴承故障信号生成方法，属于航空轴承故障诊断。
技术介绍
1、航空轴承是航空装备旋转机械中最关键的部位之一，其运行状态决定航空装备是否正常运行。当航空轴承发生故障时不仅会造成巨大的经济损失，甚至威胁到操作人员的生命安全。在实际工作环境中，由于各种条件限制，航空轴承绝大部分的时间都处于正常运转状态，只能获得少量故障样本，产生数据分布不均衡现象。另一方面，由于传感器安装困难以及大量人力财力的投入等多种客观因素，航空轴承的信号获取极其困难，采集到的各类故障数据都很稀少时，产生小样本问题。随着大数据时代的来临，利用深度学习方法为航空轴承的智能故障诊断研究提供了重要途径。但这些研究都是基于充足和多样的训练数据，且模型的诊断效果受数据量的影响较大。因此构建少样本航空轴承故障数据扩充是急需解决的问题，根据已有少量的航空轴承故障样本来学习信号特征进行故障信号扩充，保证深度学习模型良好的泛化和拟合能力，提高航空轴承故障诊断的泛化性和鲁棒性，提早发现航空轴承故障，增强事后维修或定期维修策略向视情维修转化的能力。
2、目前基于深度网络进行机械振动信号生成的研究，运用的模型主要有自动编码器、变分编码器、smote和gan网络等方法。由于自动编码器、变分编码器和smote设计的初衷是面向数据压缩，模型优化的最终目标是实现输出数据与输入数据的均方误差最小化，所以会导致生成数据仅仅是对真实数据的简单复制，容易产生过拟合，且无法克服数据分布边缘问题。而卷积生成对抗网络通过相互对抗训练，使生成模型学习到真实
技术实现思路
1、本专利技术的目的在于提供一种基于残差的dcgan网络航空轴承故障信号生成方法，利用少量航空轴承故障数据，构建优化的dcgan网络航空轴承故障数据生成模型，深度挖掘航空轴承故障数据分布特征，有效实现航空轴承少样本故障数据的扩充，进而提高航空轴承故障识别和视情维修能力，保障航空装备安全运行。
2、实现本专利技术目的的技术解决方案为：
3、一种基于残差的dcgan网络航空轴承故障信号生成方法，包含以下步骤：
4、步骤一：将一维的航空轴承故障振动信号转换为二维灰度图，形成原始故障样本；
5、步骤二：构建基于残差网络的ttur-dcgan模型，包含dcgan网络的生成器模型和判别器模型，生成器模型生成与原始故障样本尽可能类似的生成故障样本，判别器模型是对生成器模型生成的生成故障样本与原始故障样本进行真假判别，在生成器模型和判别器模型中利用残差模块的跳跃结构来缓解梯度消失，对判别器模型和生成器模型设置双时间尺度更新规则ttur，优化判别器正则化缓慢学习的问题，加快判别器的收敛速度；
6、步骤三：将原始故障样本输入基于残差网络的ttur-dcgan模型中，通过生成器模型与判别器模型对抗训练生成故障样本，优化生成器模型与判别器模的参数；
7、步骤四：迭代训练完成后，对生成故障样本进行归一化，将归一化后的生成故障样本的二维灰度图转化为一维信号，对一维信号进行反归一化，形成航空轴承生成故障信号；
8、步骤五：通过grnn网络对生成航空轴承故障信号进行故障识别验证。
9、本专利技术与现有技术相比，其显著优点：1.分别在dcgan网络的生成器和判别器中引入残差模块，利用残差模块的跳跃结构以缓解梯度消失，进而增加网络的深度，更好的提取二维灰度图像的深层特征，进而提升生成样本的质量和故障诊断的准确率；2.对判别器模型和生成器模型设置双时间尺度更新规则(ttur)，优化判别器正则化缓慢学习的问题，加快判别器的收敛速度，使得每个生成器迭代更新次数中使用较少的判别器迭代次数，提高航空轴承故障生成数据的速度；3.构建一种基于残差的dcgan网络航空轴承故障信号生成方法，生成与航空轴承原始故障信号相似的一维故障信号，有效改善航空轴承故障数据分布不平衡和少样本问题，为航空轴承故障识别提供大数据基础，同时对提高航空轴承安全性能和维护效率具有重大意义。
本文档来自技高网...【技术保护点】
1.一种基于残差的DCGAN网络航空轴承故障信号生成方法，其特征在于：包含以下步骤：
2.根据权利要求1所述的一种基于残差的DCGAN网络航空轴承故障信号生成方法，其特征在于步骤一中，原始故障样本通过以下步骤获得：
3.根据权利要求2所述的一种基于残差的DCGAN网络航空轴承故障信号生成方法，其特征在于采用变分模态分解、小波变换、经验模态分解、滤波中的一种对一维的航空轴承故障振动信号进行去噪处理。
4.根据权利要求1所述的一种基于残差网络的DCGAN航空轴承故障信号生成方法，其特征在于步骤二的具体步骤如下：
5.根据权利要求4所述的一种基于残差的DCGAN网络航空轴承故障信号生成方法，其特征在于步骤三具体步骤如下：
6.根据权利要求1所述的一种基于残差的DCGAN网络航空轴承故障信号生成方法，其特征在于还包含：
7.根据权利要求6所述的一种基于残差的DCGAN网络航空轴承故障信号生成方法，其特征在于时域特征包括：有效值、均值、方差、峰峰值、峭度、偏度和裕度因子。
【技术特征摘要】
1.一种基于残差的dcgan网络航空轴承故障信号生成方法，其特征在于：包含以下步骤：
2.根据权利要求1所述的一种基于残差的dcgan网络航空轴承故障信号生成方法，其特征在于步骤一中，原始故障样本通过以下步骤获得：
3.根据权利要求2所述的一种基于残差的dcgan网络航空轴承故障信号生成方法，其特征在于采用变分模态分解、小波变换、经验模态分解、滤波中的一种对一维的航空轴承故障振动信号进行去噪处理。
4.根据权利要求1所述的一种基于残差...
【专利技术属性】
技术研发人员：郭培培，曹亮，张尚田，揭震国，刘莹，陈丽晶，许冲，黄兵，姜番，李胜男，单添敏，王景霖，沈勇，
申请(专利权)人：中国航空工业集团公司上海航空测控技术研究所，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。